/ Модель

Характеристики

Параметры
113 млн
Лицензия
Своя лицензия
Архитектура
dinov2 · dense
Библиотека
transformers
Опубликована
26 июл 2024

rad-dino-maira-2

Эмбеддинги изображенийИзображение → embedding3 профессии

Визуальный энкодер Microsoft для извлечения признаков из рентгеновских снимков грудной клетки и использования в задачах медицинского анализа изображений.

10 985скачиваний за 30 дней27лайковвеса обновлены22 авг 2024

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

RAD-DINO-MAIRA-2 — разработанная Microsoft Health Futures модель зрения на основе Vision Transformer и DINOv2, дообученная для кодирования рентгеновских снимков грудной клетки. Вариант RAD-DINO, использованный в MAIRA-2; обучен на большем объёме данных. Модель содержит 113,2 млн параметров и выдаёт признаки изображений для последующего использования в других моделях и конвейерах.

Сценарии применения

  • извлечение признаков из рентгеновских снимков грудной клетки
  • поиск похожих рентгеновских изображений
  • кластеризация снимков грудной клетки по эмбеддингам
  • классификация рентгеновских снимков с обучаемым классификатором
  • сегментация рентгеновских изображений с отдельным декодером
  • подготовка визуальных признаков для генерации радиологических заключений

Ограничения

Модель предназначена только для исследований и не подходит для клинической практики. Обучение на данных из трёх стран может создавать смещение относительно других популяций, а смещения исходных наборов данных описаны не полностью.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Model card for RAD-DINO-MAIRA-2

Model description

RAD-DINO-MAIRA-2 is a vision transformer model trained to encode chest X-rays using the self-supervised learning method DINOv2. RAD-DINO-MAIRA-2 is a variant of RAD-DINO, which is described in detail in RAD-DINO: Exploring Scalable Medical Image Encoders Beyond Text Supervision (F. Pérez-García, H. Sharma, S. Bond-Taylor, et al., 2024).

RAD-DINO-MAIRA-2 is the version of RAD-DINO used in MAIRA-2: Grounded Radiology Report Generation (S. Bannur, K. Bouzid, et al., 2024). Relative to RAD-DINO, it was trained on more data.

  • Developed by: Microsoft Health Futures
  • Model type: Vision transformer
  • License: MSRLA
  • Finetuned from model: dinov2-base

Uses

RAD-DINO-MAIRA-2 is shared for research purposes only. It is not meant to be used for clinical practice.

The model is a vision backbone that can be plugged to other models for downstream tasks. Some potential uses are:

  • Image classification, with a classifier trained on top of the CLS token
  • Image segmentation, with a decoder trained using the patch tokens
  • Clustering, using the image embeddings directly
  • Image retrieval, using nearest neighbors of the CLS token
  • Report generation, with a language model to decode text

Fine-tuning RAD-DINO-MAIRA-2 is typically not necessary to obtain good performance in downstream tasks.

Biases, risks, and limitations

RAD-DINO-MAIRA-2 was trained with data from three countries, therefore it might be biased towards population in the training data. Underlying biases of the training datasets may not be well characterized.

Getting started

from transformers import pipeline
pipe = pipeline(task="image-feature-extraction", model="microsoft/rad-dino-maira-2", pool=False)
patch_features = pipe("https://www.bhf.org.uk/-/media/images/information-support/tests/chest-x-ray/normal-chest-x-ray-620x400.jpg")

Refer to RAD-DINO for a more detailed example.

Training details

Training data

We used images from five public and one private deidentified chest X-ray datasets to train RAD-DINO-MAIRA-2.

DatasetNum. images
MIMIC-CXR368 960
CheXpert223 648
NIH-CXR112 120
PadChest136 787
BRAX41 260
USMix (Private)521 608
TOTAL1 404 383

Images in the validation and test sets used to train MAIRA-2 were excluded from the training set of RAD-DINO-MAIRA-2.

We used 8 nodes with 4 A100 GPUs each, and a batch size of 40 images per GPU. We share the last checkpoint, trained for 105 000 steps.

Training procedure

We refer to the manuscript for a detailed description of the training procedure.

Preprocessing

All DICOM files were resized using B-spline interpolation so that their shorter size was 518, min-max scaled to [0, 255], and stored as PNG files.

Training hyperparameters

  • Training regime: fp16 using PyTorch-FSDP mixed-precision.

Evaluation

Our evaluation is best described in the manuscript.

Environmental impact

  • Hardware type: NVIDIA A100 GPUs
  • Hours used: 41 hours/GPU × 8 nodes × 4 GPUs/node = 1312 GPU-hours
  • Cloud provider: Azure
  • Compute region: West US 2
  • Carbon emitted: 98.4 kg CO₂ eq.

Compute infrastructure

RAD-DINO-MAIRA-2 was trained on Azure Machine Learning.

Hardware

We used 8 Standard_NC96ads_A100_v4 nodes with four NVIDIA A100 (80 GB) GPUs each.

Software

We leveraged the code in DINOv2 for training. We used SimpleITK and Pydicom for processing of DICOM files.

Citation

BibTeX:

@misc{perezgarcia2024raddino,
      title={{RAD-DINO}: Exploring Scalable Medical Image Encoders Beyond Text Supervision},
      author={Fernando Pérez-García and Harshita Sharma and Sam Bond-Taylor and Kenza Bouzid and Valentina Salvatelli and Maximilian Ilse and Shruthi Bannur and Daniel C. Castro and Anton Schwaighofer and Matthew P. Lungren and Maria Wetscherek and Noel Codella and Stephanie L. Hyland and Javier Alvarez-Valle and Ozan Oktay},
      year={2024},
      eprint={2401.10815},
      archivePrefix={arXiv},
      primaryClass={cs.CV}
}

APA:

Pérez-García, F., Sharma, H., Bond-Taylor, S., Bouzid, K., Salvatelli, V., Ilse, M., Bannur, S., Castro, D.C., Schwaighofer, A., Lungren, M.P., Wetscherek, M.T., Codella, N., Hyland, S.L., Alvarez-Valle, J., & Oktay, O. (2024). RAD-DINO: Exploring Scalable Medical Image Encoders Beyond Text Supervision. ArXiv, abs/2401.10815.

Model card contact

Fernando Pérez-García (fperezgarcia@microsoft.com).

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers · image-feature-extraction

Можно запустить

Подбираем GPU…

Класс архитектуры
Dinov2Model
Ревизия весов
a6132ef

0 моделей